Понимание и внедрение MobileNetV2 с PyTorch — следующее поколение MobileNetV1
Делиться
Введение
MobileNetV1 стал прорывом в области компьютерного зрения, поскольку он доказал, что модели глубокого обучения не обязательно должны быть вычислительно затратными для достижения высокой точности. В прошлом месяце я опубликовал статью, в которой я объяснил все о модели, а также ее реализации PyTorch с нуля. Проверьте ссылку по номеру ссылки [1] в конце этой статьи, если вам интересно прочитать ее. Эта первая версия MobileNet была впервые предложена еще в апреле 2017 года в статье под названием MobileNets: Efficient Convolutional Neural Networks for Mobile Vision Applications [2] Говардом и др. из Google. Вскоре после этого — в январе 2018 года, если быть точным, — Сэндлер и др. из того же учреждения представили преемника MobileNetV1 в статье под названием MobileNetV2: Inverted Residuals and Linear Bottlenecks [3], которая обеспечивает значительное улучшение по сравнению с предыдущей с точки зрения как точности, так и эффективности. В этой статье я расскажу вам об идеях, предложенных в документе MobileNetV2, и покажу, как реализовать архитектуру с нуля.
Источник: towardsdatascience.com
